DE102009033829A1

DE102009033829A1 - Verfahren und Vorrichtung zum berührungslosen Herz-, Kreislauf- und Atmungsmonitoring

Info

Publication number: DE102009033829A1
Application number: DE102009033829A
Authority: DE
Inventors: Guy Leonord Dr.-Ing. Kouemou; Ariane Dr.med. Hack
Original assignee: Kouemou Guy Leonard Dr Ing
Current assignee: Kouemou Guy Leonard Dr Ing
Priority date: 2009-07-18
Filing date: 2009-07-18
Publication date: 2011-01-20

Abstract

Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum berührungslosen Herz-, Kreislauf- und Atmungsmonitoring mittels Hidden Markov Modellen und Neuronalen Netzwerken. Mittels eines Miniaturradargeräts werden Herz-, Kreislauf- und Atmungs-Dopplerinformationen eines Patienten aufgezeichnet und durch eine Analog-Digital-Wandlerkarte in einem Computer digitalisiert. Basierend auf Methoden der Signalverarbeitung und der künstlichen Intelligenz, wie Hidden Markov Modelle und Neuronale Netzwerke, wird anschließend eine lernfähige Software trainiert, die Atem- und Herzrythmus-Informationen aufzeichnet und zur Vorabdiagnose und Therapiebegleitung bei Herzrhythmusstörungen und Atemwegserkrankungen eingesetzt werden kann. Dabei werden aktuelle EKG-Kurven berechnet. Weiterhin können Herzfrequenzen sowie Ateminformationen analysiert werden.

Description

Stand der Technik
Heutzutage werden weltweit mehrere unterschiedliche Geräte zur Überwachung der Herzkreislauf und Atmungsfunktionalitäten eingesetzt.
Millionen Patienten weltweit empfinden konventionelle Kurzzeit-EKG-Messungen als unangenehm. Beim Standard 12 Kanal-Ableitungen, sind zu viele Kontakt-Punkte zum Patient (Starke Einschränkungen bei Bewegungen beispielsweise im Patienten-Bett).
Schlimmer bei konventionellen Langzeit-EKG-Messungen kommen zu den Langzeit-Unannehmlichkeiten, noch das begrenzte aushalten des Elektrodengel hinzu.
In den Intensivstationen werden zum Alltagsmonitoring Blutdruck-, Sauerstoff-, EKG-Messgeräte eingesetzt. Dazu werden für künstlich beatmete Patienten Beatmungsschläuche und sonstige Zustandsauswertungsgeräte benötigt. Diese Geräte werden überlicherweise zu einem Auswertungscomputer verbunden. Leider führt diese Konstellation oftmals zu Verkabelungen, die zu einer nicht mehr überschaubaren Situation führen.
Millionen Ärzte, Sanitäter und Pflegepersonal beklagen im klinischen Alltag, besonders beim schnellen Einsatz (Notfall), relativ lange Zeit, um ein konventionelles EKG-Gerät schnell und vor allem zuverlässig zu fixieren.
Viele Ärzte und Pflegepersonal brauchen immer wieder teure Schulungen um konventionelle EKG-Geräte entsprechend zu bedienen (Elektroden Fixierung, Artefakte im Brustkorb-Bereich von Patienten).
In Deutschland leiden derzeit ca. 5 Millionen Menschen an Schlafapnoe-Syndrom. Enddiagnose sowie Therapie werden üblicherweise in einem Schlaflabor eingeleitet. Als Grundlage der Diagnose und Therapie dient ein Standard-Polysomlographisches Messverfahren. Leider bleibt dieses Verfahren aufgrund erhöhter Sensorik umstritten. Alternative Methoden sind derzeit nicht unbedingt erfolgreicher. Eines der Hauptprobleme besteht darin, dass die erhöhte Anzahl an Sensorik, die aus dem Patient zuverlässige Schlaf-Messdaten ermitteln soll, gleichzeitig den Schlafverlauf negativ beeinflusst.
Zu den wichtigsten Polysomlographischen Sensoren gehören neben dem Elektroenzephalogram (EEG), dem Elektrookulogram (EOG), dem Elektromyogram (EMG), dem Pulsoximeter und dem Elektrokardiogram (EKG) auch die Atmungsaktivität-Messgeräte.
In der Homecare-Medizin nehmen Screening-Verfahren zur Erfassung schlafbezogener Atemstörungen immer mehr Bedeutung ein. Zu den Standard-Screening-Messgeräten gehören Atmungsaktivitäten-Bemessung, Pulsoximeter und EKG. Die Vorabdiagnose-Ergebnisse dieser Geräte weisen oft Informationslücken auf, die meist auf Fehlbedienung zurückzuführen sind. Dazu kommt es, dass viele Patienten ungern im Heimbereich verkabelt schlafen.
Die Problematik des plötzlichen Kindstods wird heutzutage im Heimbereich durch Screening-Geräte unterstützt, die dazu dienen sollen, lebensbedrohliche Apnoen bei Säuglingen schnell zu erkennen, Alarm auszulösen und eventuell Weckreaktionen, bspw. elektrisch, beim Kind zu erzeugen. Solche Geräte bringen üblicherweise für das Kind lästige Kabelungen mit.
Aufgabenstellung
Aufgrund des immer knapper werdenden Budgets in Kliniken, Arztpraxen sowie den meistens sonstigen gesundheitlichen Einrichtungen, lautete die Fragestellung bei dieser Arbeit wie man „auch aus wirtschaftlichem Interesse” die Anzahl der Sensoren der aktuellen Patientenmonitoring-Systeme reduzieren kann, ohne Einbußen in der Qualität der Diagnose bzw. Überwachung von Herz-, Kreislauf- und Atemwegs-Erkrankungen zu erleiden. Weiterhin könnte man durch berührungslose Bemessung des EKG sowie Atem- und Kreislaufaktivitäten die Situation des Patienten angenehmer gestalten. Zusätzlich wäre im Bereich der Schlafmedizin eine genauere Diagnose erreicht, da die durch Verkabelung entstandene Schlafstörung entfallen würde.
Lösungsvorschlag und Ausführungsbeispiel
Die erfindungsgemäße Lösung dieser Aufgabe wird wie folgt beschrieben:

– Die Vorrichtung besitzt mindestens ein Miniaturradarsystem zur kontinuierlichen Aufzeichnung von Herz-, Kreislauf- und Atmungsdopplerinformationen, sowie einen Prozessor oder PC mit Auswertungssoftware.
– In der Software wird dann zunächst ein Verfahren zur Signalvorverarbeitung und Gewinnung der Merkmale aus den aufgezeichneten Herz-, Kreislauf- und Atemdopplerinformationen eingesetzt, um die Daten anschließend auswerten zu können.
– Ein Hybridsystem bestehend aus Hidden Markov Modellen, Neuronalen Netzen und einem wissensbasierten Automat identifiziert die aufgezeichneten Radardopplerinformationen und den Zeitpunkt ihres Auftretens.
– Anschließend wird eine statistische Auswertung der chronologisch klassifizierten Herz-, Kreislauf- und Ateminformationen durchgeführt.
– Mit Hilfe dieser Daten wird der Gesundheitszustand des Patienten ermittelt und eventuell ein Vorschlag zur Vorabdiagnose erstellt.

Das Verfahren und die Vorrichtung werden durch folgende Zeichnungen näher erläutert:
zeigt eine beispielhafte schematische Darstellung einer erfindungsgemäßen Vorrichtung, bei der ein Miniaturradar-System über dem Brustkorbbereich des Patienten platziert wird und über eine Analog-Digital-Wandlerkarte an den Prozessor bzw. Signalverarbeitungs-PC angeschlossen wird.
zeigt eine beispielhafte schematische Darstellung einer erfindungsgemäßen Vorrichtung, bei der ein Miniaturradar-System am Körper des Patienten im Kopf- und Brustbereich platziert wird und über einer Analog-Digital-Wandlerkarte an den Signalverarbeitungs-PC angeschlossen wird.
zeigt eine schematische Darstellung der Verfahrensschritte zur Vorabdiagnose bei Herz-, Atem- und Kreislauferkrankungen.
zeigt eine beispielhafte schematische Darstellung der Vorgänge, die im Prozessor oder Signalverarbeitungs-PC implementiert sind.

Claims

Verfahren und Vorrichtung zur Herz-, Kreislauf- und Atmungs-Überwachung von Patienten mit einem Miniaturradar, einem daran angeschlossenen Prozessor oder PC und einer intelligenten Software, dadurch gekennzeichnet, dass zur Merkmalsextraktion mindestens ein statistisches Analyseverfahren verwendet wird, dass die gewonnenen Merkmale einem lernenden Hybridsystem, bestehend aus Hidden Markov Modellen, neuronalen Netzen und einem wissensbasierten Automaten, zur Identifikation der Dopplerinformationen zugeführt werden. Aus den ausgewerteten Informationen berechnet ein Modul des Hybridsystems die korrelierten EKG-Kurven, die Herzfrequenzkurve sowie den Atemrhythmusverlauf.
Verfahren und Vorrichtung nach Anspruch 1, wobei nach der Dopplertonklassifikation eine Dopplertonanalyse mit zugehöriger Statistik von einem lernenden System durchgeführt wird.
Verfahren und Vorrichtung nach Anspruch 1 und 2, wobei anschließend eine Zuordnung aufgrund ärztlicher Erfahrungen zu Krankheitsbildern, z. B. Herzrhythmusstörungen, Herzstillstand, Herzklappenfehler, Kreislaufstörungen oder Obstruktives-Schlafapnoe-Syndrom, erfolgt.
Verfahren und Vorrichtung nach Ansprüchen 1–3, wobei folgende Verfahren zur Merkmalsextraktion durchgeführt werden: • Normalisierung und Filterung des Miniaturradar-Signals • Zerlegung in Teilspektren • Berechnung und Mittelung der Effektivwerte der Teilspektren • Berechnung und Mittelung eines Merkmalsvektors aus jedem Teilspektrum mit einem statistischen Verfahren • Kombination der Effektivwerte und Merkmalsvektoren zu einer Matrix • Zeitliche Glättung der Matrixwerte • Berechnung statistischer Momente höherer Ordnung im Zeit- sowie Frequenzbereich von kurzen Segmenten aus dem empfangen Miniaturradar-Echosignal
Verfahren und Vorrichtung nach Ansprüchen 1–4, wobei bei der Merkmalsextraktion eine Fourier-Analyse als statistisches Verfahren verwendet wird.
Verfahren und Vorrichtung nach Ansprüchen 1–4, wobei bei der Merkmalsextraktion eine Cepstrum-Analyse als statistisches Verfahren verwendet wird.
Verfahren und Vorrichtung nach Ansprüchen 1–4, wobei bei der Merkmalsextraktion eine Wavelet-Analyse als statistisches Verfahren verwendet wird.
Verfahren und Vorrichtung nach einem der vorherigen Ansprüche, wobei die neuronalen Netzwerke oder Hidden Markov Modelle im Hybridsystem mit gleichen oder unterschiedlichen Trainingsdaten für die Dopplerinformationskategorien trainiert sind mit gleichen oder unterschiedlichen Trainingsalgorithmen.
Verfahren und Vorrichtung nach einem der vorherigen Ansprüche, wobei eine Unterscheidung in den Dopplerinformationskategorien insbesondere in Atem- (z. B.: Einatmung, Ausatmung, Apnoe), Herz- (z. B.: normale Herztöne, Herzflattern, Herzflimmern, Herzrhythmusstörungen, Herzstillstand) und Kreislauf-Informationen (z. B.: arterielle Strömung, venöse Strömung) stattfindet.
Verfahren und Vorrichtung nach einem der vorherigen Ansprüche, wobei folgende Merkmale extrahiert werden: Signalspitzen im Spektrum, Cepstrum, Wavelets, Amplitudenvariationen, Phasenvariationen, periodisch oder aperiodisch auftretende Signale oder Kombinationen davon.
Vorrichtung zur Durchführung eines Verfahrens gemäß einem der vorherigen Ansprüche, welches einen Prozessor oder PC mit Miniaturradarsystem zur Erfassung der Atem-, Herz- oder Kreislauf-Dopplerinformationen, sowie Mittel zur Signalverarbeitung und -auswertung umfasst.